使用Wikipedia的转储我想为其类别构建层次结构。我已经下载了主转储（enwiki-latest-pages-articles）和类别SQL转储（enwiki-latest-category）。但我找不到层次结构信息。
例如，SQL类别的转储包含每个类别的条目，但我找不到任何关于它们如何相互关联的信息。
另一个转储（latest-pages-articles）表示每个页面的父类别，但是以无序的方式。它只是陈述了所有的父母。
我见过wikiprep的类别层次结构（http://www.cs.technion.ac.il/~gabr/resources/code/wikiprep/）......这个是如何构建的？ Wikiprep列出了类别ID，而不是其名称。有没有办法获得每个ID的名称？
MediaWiki中的类别层次结构信息存储在categorylinks table中，因此您将需要categorylinks转储。
您还需要page（而不是pages-articles）转储页面ID到标题映射。
加载类别链接的转储等...以构建维基百科层次结构非常长（即使有趣）。
我发现快速路径可以产生良好的效果。我依靠wikipedia vital articles层次结构。例如，参见sensimark作为示例用途。